背景：
Hive：由 FaceBook 开源用于解决海量结构化日志的数据统计工具。
Hive 是基于Hadoop的一个数据仓库工具，可以将结构化的数据文件映射为一张表，并提供 类SQL 查询功能。
本质
Hive本质是将 HQL 转化为 MapReduce 程序：
- Hive处理的数据存储在 HDFS
- Hive分析数据底层的实现是 MapReduce
- 执行程序运行在 Yarn 上
示意图：
优点
- Hive的执行延迟比较高，所以Hive常用语数据分析，对实时性要求不高的场合
- Hive优势在于处理大数据，对于处理小数据没有优势，因为执行延迟比较高
- Hive支持用户自定义函数，用户可以根据自己的需求来实现自己的函数
缺点
- HQL表达能力有限
- 迭代式算法无法表达
- 数据挖掘方面不擅长，由于MapReduce数据处理流程的限制，效率更高的算法无法实现
- Hive的效率比较低
- Hive自动生成的MapReduce作业，通常情况下不够智能化
- Hive调优比较困难，粒度较粗。更多的还是需要通过调整Hadoop参数进行调优。
架构
Hive架构示意图：
主要有：
- 用户接口：ClientCLI（command-line interface）、JDBC/ODBC（jdbc访问Hive）、WEBUI（浏览器访问Hive）
- 元数据：Meta store元数据包括：表名、表所属的数据库（默认是default）、表的拥有者、列/分区字段、表的类型（是否是外部表）、表的数据所在目录等
- 默认存储在自带的 derby 数据库中，推荐使用 MySQL 存储 Meta store。
- Hadoop使用 HDFS 进行存储，使用 MapReduce 进行计算
- 驱动器：Driver
- 解析器（SQL Parser）：将SQL字符串转换成抽象语法树 AST，这一步一般都用第三方工具库完成，比如 antlr；对 AST 进行语法分析，比如表是否存在、字段是否存在、SQL语义是否有误
- 编译器（Physical Plan）：将 AST 编译生成逻辑执行计划
- 优化器（Query Optimizer）：对逻辑执行计划进行优化
- 执行器（Execution）：把逻辑执行计划转换成可以运行的物理计划。对于Hive来说，就是转换成 MR/Spark。
运行机制：
数据库比较
由于Hive采用了类似SQL的查询语言 HQL（Hive Query Language），因此很容易将Hive理解为数据库。其实从结构上看，Hive和数据库除了拥有类似的查询语言外，再无类似之处。
数据库可以用在 online 应用中，但是 Hive 是为数据仓库而设计的。
查询语言
由于SQL被广泛的应用在数据仓库中，所以专门针对Hive的特性设计了类似SQL的查询语言HQL。熟悉SQL的开发者可以很方便的使用Hive进行开发。
数据更新
由于Hive是针对数据仓库应用设计的，而数据仓库的内容是读多写少的。因此，Hive中不建议对数据的改写，所有的数据都是在加载的时候确定好的。
Hive不建议对数据改写，但是也支持update语句：将数据文件从HDFS上下载下来，然后改写之后重新上传覆盖原文件。效率很低
而数据库中的数据通常是需要经常进行修改的，因此可以使用 inert into ... values添加数据，使用 update ... set 修改数据。
执行延迟
Hive 在查询数据的时候，由于没有索引，需要扫描整个表，因此延迟比较高。另外一个导致Hive执行延迟高的因素是 MapReduce 框架。由于 MapReduce 本身具有较高的延迟，因此在利用 MapReduce 执行 Hive查询时，也会有较高的延迟，相对的，数据库的执行延迟较低（在数据规模比较小时）。当数据规模大到超过数据库的处理能力时，Hive的并行计算显然能体现出优势。
数据规模
由于Hive建立在集群上，并可以利用 MapReduce 进行并行计算，因此可以支持很大规模的数据，对应的，数据库可以支持的数据规模比较小。
